[发明专利]一种基于深度学习的石油工业多相流流型识别方法在审
| 申请号： | 201910585031.0 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110276415A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 王天卿;孙宁远;李锐;于治楼 | 申请（专利权）人： | 山东浪潮人工智能研究院有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/00 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜明 |
| 地址： | 250100 山东省济南市高新*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明特别涉及一种基于深度学习的石油工业多相流流型识别方法。该基于深度学习的石油工业多相流流型识别方法，使用高速照相机或高速摄影机，透过透明管段或透明窗口拍摄流体流动状态，获取流体图像；对获取的流体图像人工标记流型种类；对流体图像进行数据增强；搭建深度卷积神经网络模型并对其进行训练；读取训练好的深度卷积神经网络模型文件，将未标记的流型图像输入深度卷积神经网络模型即可得到流型种类。该基于深度学习的石油工业多相流流型识别方法，用深度学习算法对流型种类进行初步筛选，然后确定流型种类，极大地提高了流型识别的效率和准确度，能够快速精确的识别流型的种类。 | ||
| 搜索关键词： | 多相流流型 石油工业 流型 卷积神经网络 流体图像 读取 学习 流体流动状态 高速摄影机 高速照相机 初步筛选 流型识别 流型图像 模型文件 人工标记 数据增强 透明窗口 透明管段 学习算法 准确度 对流型 拍摄 | ||
【主权项】：
1.一种基于深度学习的石油工业多相流流型识别方法，其特征在于，包括以下步骤：步骤一：通过设置流体控制系统，控制气液、油水两相流和油气水三相流获取7种典型流型，使用高速照相机或高速摄影机，透过透明管段或透明窗口拍摄流体流动状态，获取流体图像；步骤二：对获取的流体图像进行人工标记，利用直接观察法或现场流动参数标记流型种类；步骤三：对步骤二中人工标记的流体图像进行数据增强，并在图像文件进行增强的同时，对标签文件也进行相应的增强；步骤四：搭建深度卷积神经网络模型；步骤五：使用训练集对步骤四中所构建的深度卷积神经网络模型进行训练；步骤六：读取训练好的深度卷积神经网络模型文件，将未标记的流型图像输入深度卷积神经网络模型得到流型种类，并根据分类结果建立流型种类的图库，根据其特征即可确定未标记的流型图像属于两相流还是三相流的流型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东浪潮人工智能研究院有限公司，未经山东浪潮人工智能研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910585031.0/，转载请声明来源钻瓜专利网。
